CHAPTER 3
FINDING-ROOT METHOD: NEWTON-RAPHSON
Hari, Tanggal : Selasa, 21 September 2021 Jam Ke : 3-4
Oleh :
Reza Ummam Nor (081911733012)
KELAS T1
Dosen Pembimbing :
ALFIAN PRAMUDITA PUTRA, S.T., M.Sc.
B. DASAR TEORI
Python adalah bahasa pemrograman interpretatif multiguna. Tidak
seperti bahasa lain yang susah untuk dibaca dan dipahami, python lebih
menekankan pada keterbacaan kode agar lebih mudah untuk memahami
sintaks. Hal ini membuat Python sangat mudah dipelajari baik untuk pemula
maupun untuk yang sudah menguasai bahasa pemrograman lain (Henri, 2003).
Salah satu penerapan phyton adalah untuk komputasi. Contoh bentuk
komputasi adalah pencarian akar dari sebuah fungsi. Dengan demikian, adanya
komputasi yang memanfaatkan phyton dapat mempermudah pekerjaan
manusia dalam mencari akar suatu fungsi yang rumit.
Masalah pencarian akar adalah salah satu masalah paling mendasar
dalam analisis numerik (Capra dan Canale, 2010). Salah satu metode pencarian
akar suatu fungsi adalah metode Newton-Raphson (Kiusalaas J, 2013). Joseph
Raphson (1648 – 1715) adalah seorang matematikawan Inggris yang dikenal
paling baik untuk metode Newton-Raphson (Capra dan Canale, 2010).
Menurut modul praktium komputasi biomedis (2021), salah satu bentuk
metode terbuka ini menggunakan metode aproksimasi dengan menggunakan
satu titik awal dan menurunkannya dengan mengambil kemiringan atau gradien
pada titik tersebut. Titik aproksimasi didefinisikan sebagai berikut:
𝑓(𝑥𝑛 )
𝑥𝑛+1 = 𝑥𝑛 −
𝑓′(𝑥𝑛 )
Algoritma
1. Mendefinisikan fungsi f(x) dan turunan pertama f’(x)
2. Menentukan toleransi kesalahan (e)
3. Menentukan aproksimasi awal x0
4. Menghitung f(x0)
𝑓(𝑥 )
5. Menghitung 𝑥𝑛+1 = 𝑥𝑛 − 𝑓′(𝑥𝑛 )
𝑛
6. Menghitung 𝑓(𝑥𝑛+1 )
7. Jika |𝑓(𝑥𝑛 )| < toleransi, maka proses dihentikan dan akarnya adalah 𝑥𝑛 , jika
tidak mengulangi langkah 5.
8. Jika |𝑥2 − 𝑥1 | < toleransi atau |𝑓(𝑥0 )| | < toleransi, maka proses dihentikan
dan akarnya adalah 𝑥0 , jika tidak mengulangi langkah 5.
import numpy as np
import math
import pylab
max = 20
i = 1
j = 1
k = 1
x1 = []
x2 = []
x3 = []
y1 = []
y2 = []
y3 = []
#METODE BISEKSI
print('METODE BISEKSI :\n')
print('\t || \t iterasi \t || \t tebakan akar \t\t||\t h
asil fungsi \t||')
if (fa*fb<0):
while (i<=max):
r0 = (a+b)/2 #RUMUS METODE BISEKSI
fr0 = fungsiawal(r0)
if(fa*fr0<0):
b = r0
fb = fr0
else:
a = r0
fa = fr0
x1.append(i)
y1.append(r0)
i+=1
else:
print('\nInterval a dan b tidak mengandung nilai akar')
#METODE REGULA-FALSI
print('\n\nMETODE REGULA-FALSI :\n')
print('\t || \t iterasi \t || \t tebakan akar \t\t||\
t hasil fungsi \t||')
if (fc*fd<0):
while (j<=max):
r1 = c-((fc*(c-d))/(fc-fd)) #RUMUS METODE REGULA-FALSI
fr1 = fungsiawal(r1)
if(fc*fr1<0):
d = r1
fd = fr1
else:
c = r1
fc = fr1
x2.append(j)
y2.append(r1)
j+=1
else:
print('\nInterval c dan d tidak mengandung nilai akar')
#METODE NEWTON-RAPHSON
print('\n\nNEWTON-RAPHSON :\n')
print('\t || \t iterasi \t || \t tebakan akar \t\t||\t h
asil fungsi \t||')
x0 = xbaru
x3.append(k)
y3.append(xbaru)
k+=1
#PLOT
pylab.plot(x1,y1,'-o')
pylab.plot(x2,y2,'-*')
pylab.plot(x3,y3,'-x')
Ketiga grafik tersebut menunjukkan plot dalam mencari nilai akar untuk
fungsi derajat 1 yaitu f(x)=x-8 dengan menggunakan komputasi. Grafik warna
biru menunjukkan plot untuk metode biseksi, sedangkan grafik oranye
menunjukkan plot untuk metode regula-falsi, lalu grafik warna hijau
menunjukkan grafik untuk metode Newton-Raphson. Tampak untuk metode
biseksi grafik berfluktuatif dalam mendekati nilai akar yiatu x=8. Nilai akar
baru ditemukan saat iterasi ke-20, yaitu x=8 dengan f(x)=0.0. Disisi lain
metode regula-falsi dan Newton-Raphson dapat langsung menemukan nilai
akar x=8 pada iterasi pertama dan tetap konstan sampai iterasi ke-20. Hal ini
terlihat pada grafik dimana grafik oranye dan hijau saling tumpang tindih
karena menunjukkan hasil yang sama.
Dengan demikian untuk fungsi derajat 1 metode regula-falsi dan
Newton-Raphson memiliki pola yang linier dalam pencarian akar sedangkan
metode biseksi mengamali fluktuasi.
import numpy as np
import math
import pylab
max = 20
i = 1
j = 1
k = 1
x1 = []
x2 = []
x3 = []
y1 = []
y2 = []
y3 = []
#METODE BISEKSI
print('METODE BISEKSI :\n')
print('\t || \t iterasi \t || \t tebakan akar \t\t||\t h
asil fungsi \t||')
if (fa*fb<0):
while (i<=max):
r0 = (a+b)/2 #RUMUS METODE BISEKSI
fr0 = fungsiawal(r0)
if(fa*fr0<0):
b = r0
fb = fr0
else:
a = r0
fa = fr0
x1.append(i)
y1.append(r0)
i+=1
else:
print('\nInterval a dan b tidak mengandung nilai akar')
#METODE REGULA-FALSI
print('\n\nMETODE REGULA-FALSI :\n')
print('\t || \t iterasi \t || \t tebakan akar \t\t||\
t hasil fungsi \t||')
if (fc*fd<0):
while (j<=max):
r1 = c-((fc*(c-d))/(fc-fd)) #RUMUS METODE REGULA-FALSI
fr1 = fungsiawal(r1)
if(fc*fr1<0):
d = r1
fd = fr1
else:
c = r1
fc = fr1
x2.append(j)
y2.append(r1)
j+=1
else:
print('\nInterval c dan d tidak mengandung nilai akar')
#METODE NEWTON-RAPHSON
print('\n\nNEWTON-RAPHSON :\n')
print('\t || \t iterasi \t || \t tebakan akar \t\t||\t h
asil fungsi \t||')
x0 = xbaru
x3.append(k)
y3.append(xbaru)
k+=1
#PLOT
pylab.plot(x1,y1,'-o')
pylab.plot(x2,y2,'-*')
pylab.plot(x3,y3,'-x')
Listing code untuk pencarian akar fungsi derajat 2 yaitu f(x) = x^2-16
sama persis dengan code untuk fungsi derajat 1. Perbedaannya hanya terdapat
pada pendeklarasian fungsi awal dan fungsi turunannya dengan syntax def.
Fungsi derajat 1 diganti dengan fungsi derajat 2 yaitu fungsiawal (x) = x^2-16.
Sedangkan untuk turunannay diganti fungsiturunan(x) = 2x. Dengan demikian
penjelasan semua proses dan syntax yang digunakan pada program sama antara
fungsi derajat 1 dan 2. Maka dari itu analisis dapat langsung dilanjutkan untuk
hasil program dan perbandingan hasil plot ketiga metode (biseksi, regula-falsi,
dan Newton-Raphson).
Ketiga grafik tersebut menunjukkan plot dalam mencari nilai akar untuk
fungsi derajat 2 yaitu f(x)=x^2-16 dengan menggunakan komputasi. Grafik
warna biru menunjukkan plot untuk metode biseksi, sedangkan grafik oranye
menunjukkan plot untuk metode regula-falsi, lalu grafik warna hijau
menunjukkan grafik untuk metode Newton-Raphson.
Tampak untuk metode biseksi grafik berfluktuatif dalam mendekati
nilai akar yaitu x=4. Nilai akar pada iterasi ke-20 yaitu x=4.00001 dengan
f(x)=0.00005. Artinya akar yang ditemukan masih mendekati akar asli karena
belum menghasilkan f(x) tepat 0.0.
Disisi lain grafik metode regula-falsi lebih halus dan konstan semakin
mendekati nilai akar. Tampak nilai akar didekati dari batas bawah yaitu 0 lalu
nilainya naik mendekati akar. Hingga akhirnya dapat menemukan nilai akar
x=4 pada iterasi ke-20.
Begitupun dengan grafik metode Newton-Raphson, konstan mendekati
nilai akar. Nilai akar ditemukan pada iterasi ke-5.
Dengan demikian untuk fungsi derajat 2 metode Regula-Falsi dan
Newton-Raphson memiliki pola yang linier dalam pencarian akar sedangkan
metode biseksi mengamali fluktuasi.
import numpy as np
import math
import pylab
max = 20
i = 1
j = 1
k = 1
x1 = []
x2 = []
x3 = []
y1 = []
y2 = []
y3 = []
#METODE BISEKSI
print('METODE BISEKSI :\n')
print('\t || \t iterasi \t || \t tebakan akar \t\t||\t h
asil fungsi \t||')
if (fa*fb<0):
while (i<=max):
r0 = (a+b)/2 #RUMUS METODE BISEKSI
fr0 = fungsiawal(r0)
if(fa*fr0<0):
b = r0
fb = fr0
else:
a = r0
fa = fr0
x1.append(i)
y1.append(r0)
i+=1
else:
print('\nInterval a dan b tidak mengandung nilai akar')
#METODE REGULA-FALSI
print('\n\nMETODE REGULA-FALSI :\n')
print('\t || \t iterasi \t || \t tebakan akar \t\t||\
t hasil fungsi \t||')
if (fc*fd<0):
while (j<=max):
r1 = c-((fc*(c-d))/(fc-fd)) #RUMUS METODE REGULA-FALSI
fr1 = fungsiawal(r1)
if(fc*fr1<0):
d = r1
fd = fr1
else:
c = r1
fc = fr1
x2.append(j)
y2.append(r1)
j+=1
else:
print('\nInterval c dan d tidak mengandung nilai akar')
#METODE NEWTON-RAPHSON
print('\n\nNEWTON-RAPHSON :\n')
print('\t || \t iterasi \t || \t tebakan akar \t\t||\t h
asil fungsi \t||')
x0 = xbaru
x3.append(k)
y3.append(xbaru)
k+=1
#PLOT
pylab.plot(x1,y1,'-o')
pylab.plot(x2,y2,'-*')
pylab.plot(x3,y3,'-x')
import numpy as np
import math
import pylab
max = 20
i = 1
j = 1
k = 1
x1 = []
x2 = []
x3 = []
y1 = []
y2 = []
y3 = []
#METODE BISEKSI
print('METODE BISEKSI :\n')
print('\t || \t iterasi \t || \t tebakan akar \t\t||\t h
asil fungsi \t||')
if (fa*fb<0):
while (i<=max):
r0 = (a+b)/2 #RUMUS METODE BISEKSI
fr0 = fungsiawal(r0)
if(fa*fr0<0):
b = r0
fb = fr0
else:
a = r0
fa = fr0
x1.append(i)
y1.append(r0)
i+=1
else:
print('\nInterval a dan b tidak mengandung nilai akar')
#METODE REGULA-FALSI
print('\n\nMETODE REGULA-FALSI :\n')
print('\t || \t iterasi \t || \t tebakan akar \t\t||\
t hasil fungsi \t||')
if (fc*fd<0):
while (j<=max):
r1 = c-((fc*(c-d))/(fc-fd)) #RUMUS METODE REGULA-FALSI
fr1 = fungsiawal(r1)
if(fc*fr1<0):
d = r1
fd = fr1
else:
c = r1
fc = fr1
x2.append(j)
y2.append(r1)
j+=1
else:
print('\nInterval c dan d tidak mengandung nilai akar')
#METODE NEWTON-RAPHSON
print('\n\nNEWTON-RAPHSON :\n')
print('\t || \t iterasi \t || \t tebakan akar \t\t||\t h
asil fungsi \t||')
x0 = xbaru
x3.append(k)
y3.append(xbaru)
k+=1
#PLOT
pylab.plot(x1,y1,'-o')
pylab.plot(x2,y2,'-*')
pylab.plot(x3,y3,'-x')
Ketiga grafik tersebut menunjukkan plot dalam mencari nilai akar untuk
fungsi trigonometri yaitu f(x)=x-2cos(x) dengan menggunakan komputasi.
Grafik warna biru menunjukkan plot untuk metode biseksi, sedangkan grafik
oranye menunjukkan plot untuk metode regula-falsi, lalu grafik warna hijau
menunjukkan grafik untuk metode Newton-Raphson.
Tampak untuk metode biseksi grafik berfluktuatif dalam mendekati
nilai akar. Nilai akar pada iterasi ke-20 yaitu x=1.02986, artinya akar tersebut
masih mendekati akar asli karena belum menghasilkan f(x) tepat 0.0.
Disisi lain grafik metode regula-falsi lebih halus dan konstan semakin
mendekati nilai akar asli. Nilai akar ditemukan pada iterasi ke-7 yaitu
x=1.02987 dengan f(x)=0. Akan tetapi tampak nilai akar mengalami sedikit
fluktuasi meskipun nilai error nya konsisten mendekati nol.
Untuk grafik metode Newton-Raphson juga berfluktuatif dengan error
yang lebih tinggi dibandingkan metode biseksi.
Dengan demikian untuk fungsi trigonometri ketiga metode
menunjukkan menunjukkan grafik yang berfluktuasi untuk tampilan nilai
akarnya. Sedangkan untuk error, metode Regula-Falsi konsisten mendekati nol
sedangkan metode Biseksi dan Newton Raphson nilai errornya juga
berfluktuasi.
import numpy as np
import math
import pylab
max = 20
i = 1
j = 1
k = 1
x1 = []
x2 = []
x3 = []
y1 = []
y2 = []
y3 = []
#METODE BISEKSI
print('METODE BISEKSI :\n')
print('\t || \t iterasi \t || \t tebakan akar \t\t||\t h
asil fungsi \t||')
if (fa*fb<0):
while (i<=max):
r0 = (a+b)/2 #RUMUS METODE BISEKSI
fr0 = fungsiawal(r0)
if(fa*fr0<0):
b = r0
fb = fr0
else:
a = r0
fa = fr0
x1.append(i)
y1.append(r0)
i+=1
else:
print('\nInterval a dan b tidak mengandung nilai akar')
#METODE REGULA-FALSI
print('\n\nMETODE REGULA-FALSI :\n')
print('\t || \t iterasi \t || \t tebakan akar \t\t||\
t hasil fungsi \t||')
if (fc*fd<0):
while (j<=max):
r1 = c-((fc*(c-d))/(fc-fd)) #RUMUS METODE REGULA-FALSI
fr1 = fungsiawal(r1)
if(fc*fr1<0):
d = r1
fd = fr1
else:
c = r1
fc = fr1
x2.append(j)
y2.append(r1)
j+=1
else:
print('\nInterval c dan d tidak mengandung nilai akar')
#METODE NEWTON-RAPHSON
print('\n\nNEWTON-RAPHSON :\n')
print('\t || \t iterasi \t || \t tebakan akar \t\t||\t h
asil fungsi \t||')
x0 = xbaru
x3.append(k)
y3.append(xbaru)
k+=1
#PLOT
pylab.plot(x1,y1,'-o')
pylab.plot(x2,y2,'-*')
pylab.plot(x3,y3,'-x')
Listing code untuk pencarian akar fungsi eksponensial yaitu f(x) = e^x-
7 sama persis dengan code untuk fungsi derajat 1. Perbedaannya hanya terdapat
pada pendeklarasian fungsi awal dan fungsi turunannya dengan syntax def.
Fungsi derajat 1 diganti dengan fungsi eksponensial yaitu fungsiawal (x) = e^x-
7. Sedangkan untuk turunanya diganti fungsiturunan(x) =e^x. Dengan demikian
penjelasan semua proses dan syntax yang digunakan pada program sama antara
fungsi derajat 1 dan eksponensial. Maka dari itu analisis dapat langsung
dilanjutkan untuk hasil program dan perbandingan hasil plot ketiga metode
(biseksi, regula-falsi, dan Newton-Raphson).
Ketiga grafik tersebut menunjukkan plot dalam mencari nilai akar untuk
fungsi eksponensial yaitu f(x) = e^x-7 dengan menggunakan komputasi. Grafik
warna biru menunjukkan plot untuk metode biseksi, sedangkan grafik oranye
menunjukkan plot untuk metode regula-falsi, lalu grafik warna hijau
menunjukkan grafik untuk metode Newton-Raphson.
Tampak untuk metode biseksi grafik berfluktuatif dalam mendekati
nilai akar. Nilai akar pada iterasi ke-20 yaitu x=1.94591 merupakan hasil
pembulatan karena belum menghasilkan f(x) tepat 0.0.
Disisi lain grafik metode regula-falsi lebih halus dan konstan semakin
mendekati nilai akar asli. Meskipun demikian, grafik metode Regula-Falsi
tampak masih jauh dengan nilai asli. Hal ini mengindikasikan nilai error
Regula-Falsi lebih besar dibandingkan dua metode lainnya. Sebagai tambahan.
tampak nilai akar pada grafik didekati dari batas bawah yaitu 0 lalu nilainya
naik mendekati akar.
Untuk grafik metode Newton-Raphson halus dan konstan mendekati
nilai akar dan berhasil menemukannya pada iterasi ke-7.
Dengan demikian untuk fungsi eksponensial metode Regula-Falsi dan
Newton-Raphson memiliki pola yang linier dalam pencarian akar sedangkan
metode biseksi mengamali fluktuasi.
D. TUGAS
Tentukan akar sistem persamaan pada soal berikut!
Osteoporosis pada Wanita Cina. Wu te la. (2008) mempelajari variasi
kecepatan suara terkait usia (SOS) di tibia dan prevalensi osteoporosis pada
wanita asli Cina. Mereka memperoleh hubungan berikut antara SOS dan
umur dalam tahun, Y.
𝑆𝑂𝑆 = 3383 + 39.9𝑌 − 0.78𝑌 2 + 0.0039𝑌 3
Dimana SOS dinyatakan dalam satuan m/s. SOS untuk satu subjek
penelitian diukur sebesar 3850 m/s. Gunakan Newton-Raphson untuk
mencari akar persamaan di atas! Ambil Y=45 tahun sebagai tebakan awal!
Penyelesaian :
a. Mencari fungsi umur f(𝑌) berdasarkan data yang disediakan
• Persamaan SOS :
𝑆𝑂𝑆 = 3383 + 39.9𝑌 − 0.78𝑌 2 + 0.0039𝑌 3
• Diketahui :
𝑆𝑂𝑆 = 3850 𝑚/𝑠
b. Membuat algoritma pada phyton untuk mencari nilai akar fungsi umur
dengan metode Newton-raphson
• Syarat :
𝑌0 = 45 . . . 𝑡𝑒𝑏𝑎𝑘𝑎𝑛 𝑎𝑘𝑎𝑟
𝐹′(𝑌) = 0.0117𝑥 2 − 1.56𝑥 + 39.9
𝑓(𝑌𝑛 )
𝑌𝑛+1 = 𝑌𝑛 −
𝑓′(𝑌𝑛 )
• Code :
#TASK
#REZA UMMAM NOR
#081911733012
#F(Y)=0.0039Y^3-0.78Y^2+39.9Y-467
#METODE NEWTON-RAPHSON
import numpy as np
import math
import pylab
from numpy import *
i = 1
I = [] #List iterasi
Y = [] #Nilai akar
print('\n\nNEWTON-RAPHSON :\n')
print('\t || \t iterasi \t || \t tebakan akar \t\t||\t h
asil fungsi \t||')
Y0 = Ybaru
I.append(i)
Y.append(Ybaru)
i+=1
#PLOT
pylab.plot(I,Y,'-o')
• Penjelasan Code :
Tanda # pada awal code merupakan komentar yang tidak diproses
program. Bagian tersebut menampilkan identitas programmer
Syntax import berfungsi untuk mengimpor modul pada phyton.
Numpy dan math berisi fungsi matematika, sedangkan pylab untuk
menampilkat plot grafik.
Syntax def berfungsi untuk mendeklarasikan fungsi umur F(Y) atau
dalam code tertulis 𝑓𝑢𝑛𝑔𝑠𝑖𝑎𝑤𝑎𝑙(𝑌) = 0.0039𝑌 3 − 0.78𝑌 2 +
39.9𝑌 − 467. Selain itu juga dideklaeasikan fungsi turunannya yaitu
𝑓𝑢𝑛𝑔𝑠𝑖𝑡𝑢𝑟𝑢𝑛𝑎𝑛(𝑌) = 0.0117𝑥 2 − 1.56𝑥 + 39.9
Variabel Y0 merupakan tebakan awal untuk nilai akar yang
diberikan oleh soal. Nilai Y0 yaitu 45.
Variabel maxi merupakan maksimum iterasi program yang
dibuat, yaitu 100 kali. Sedangkan maxe adalah maksimum error yang
dibuat program yaitu tepat 0.0 atau dengan kata lain menemukan nilai
akar asli fungsi, bukan hanya pendekatan.
Variabel i merupakan nilai awal iterasi yaitu 1. Variabel I adalah
list yang memuat nilai iterasi. Variabel Y adalah list yang memuat nilai
Y atau akar fungsi.
Syntax print berfungsi untuk mencetak kalimat didalam petik
tunggal dan judul tabel meliputi iterasi, tebakan akar, dan hasil fungsi
Blok Looping :
Pada program ini menggunakan looping dengan kostruk while.
Syarat looping atau iterasi yang dilakukan dalah kurang dari sama
dengan variable maxi, yaitu 100 iterasi.
Selanjutnya dikenalkan fariabel fY0 yang memuat hasil Y0 yang
merupakan tebakan awal nilai akar dan dimasukkan ke dalam fugsi
awal program atau nilai dari fungsiawal (Y0). Terdapat juga variable
ftur yang memuat hasil Y0 yang dimasukkan ke dalam fugsi turunan
program atau nilai dari fungsiturunan (Y0).
Kemudian terdapat variable Ybaru yang memuat operasi Y0-
fY0/ftur. Tujuan dari operasi ini adalah mencari nilai Y yang baru untuk
iterasi selanjutnya. Konsep persamaan ini adalah memanfatkan nilai
gradien yang identik dengan metode Newton-Rapshon.
Lalu nilai Ybaru tersebut dimasukkan ke dalam fungsi awal dan
nilainya dimuat dalam variable fbaru. Variabel fbaru inilah yang
menunjukkan nilai error metode ini. Semakin mendekati nol maka
semakin mendekati nilai akar yang sebenarnya.
Syntaks print dalam blok looping berfungsi untuk menampilkan
nilai iterasi dengan variable i, nilai tebakan akar dengan variable Ybaru,
dan nilai hasil fungsi dengan variable fbaru. Nilai Ybaru dan fbaru akan
dibulatkan 5 angka dibelakan koma untuk memudahkan pembacaan
dengan memanfaatkan syntax round.
Variabel Ybaru setelah ditampilan di tabel akan dimasukkan ke
dalam Y0 sehingga menjadi nilai Y yang baru untuk iterasi selanjutnya.
Syntax append berfungsi untuk menambah element pada list
dibagian belakangnya. Append diberlakukan untuk list I dengan elemen
yang ditambahkan yaitu iterasi dengan variable i. Selain itu append juga
diterapkan untuk list Y dengan elemen yang ditambahkan yaitu nilai
tebakan akar yang diwakili variable Ybaru.
Deklarasi variable fbaru1 memuat nilai mutlak dari fbaru yang
sekaligus menunjukkan nilai error dari akar yang bersangkutan.
Blok conditional :
Syntax if memuat syarat jika fbaru1 sama dengan 0.0 maka iterasi
akan dihentikan oleh syntax break. Hal ini menunjukkan bahwa nilai
akar asli telah ditemukan karena jika nilai Y tersebut dimasukkan ke
dalam fungsi menghasilkan nilai F(Y) = 0.
Code i+=1 berfungsi agar iterasi yang terjadi urut bertambah satu
untuk setiap ulangan.
Pada code terakhir memuat syntax plot dari modul pylab yang
berfungsi menampilkan grafik pencarian akar fungsi. Sumbu-x memuat
nilai iterasi dan sumbu-y memuat nilai akar fungsi.
• Plot Program
c. Kesimpulan hasil
Salah satu akar dari fungsi umur F(Y) yang berelasi dengan SOS
berhasil ditemukan menggunakan program komputasi yang memenfaatkan
meode Newton-Raphson. Nilai tersebut adalah ,
𝑆𝑂𝑆 = 3383 + 39.9𝑌 − 0.78𝑌 2 + 0.0039𝑌 3
𝐹(𝑌) = 0.0039𝑌 3 − 0.78𝑌 2 + 39.9𝑌 − 467
𝑌 = 56.57407 tahun
E. KESIMPULAN
Praktikum Komputasi Biomedis Chapter 3 yang bertujuan untuk
menentukan akar-akar fungsi dengan menggunakan metode Newton-Rhapson
telah dilaksanakan dengan baik. Kesimpulan praktikum ini adalah Metode
Newton-Rhapson merupakan salah satu bentuk metode terbuka yang
menggunakan metode aproksimasi dengan menggunakan satu titik awal dan
menurunkannya dengan mengambil kemiringan atau gradien pada titik
tersebut.. Secara general kelebihan dari metode ini adalah hanya mensyaratkan
1 nilai awal untuk pencarian nilai akar dan grafiknya cenderung linier
mendekati nilai akar (kecuali fungsi trigonometri). Kekurangannya adalah
metode ini mempunyai kemungkinan divergen atau tidak menemukan akar.
Disisi lain pembandingan ketiga metode yaitu: Biseksi, Regula-Falsi, dan
Newton-Raphson sama-sama hanya dapat menemukan 1 akar dalam setiap
pengoperasian program. Perbedannya, hasil metode Biseksi dan Regula-Falsi
selalu konvergen.
F. DAFTAR PUSTAKA
Capra, Steven C and Canale. 2010. Numerical Methods for Engineers with
Personal Computer Applications. MacGraw-Hill Book Company.